수질오염[Water Pollution]

“수질 오염은 수백만 명의 인도인을 죽이고 있다. 기술과 신뢰할 수 있는 데이터를 어떻게 변화시킬 수 있을까”

[Water pollution is killing millions of Indians. Here's how technology and reliable data can change that]

 

현대 의학의 아버지 히포크라테스가 불결한 물을 질병과 연결시키고, 최초의 정수 필터 중 하나를 발명한 기원전 4~ 5세기까지 인간은 수천 년 동안 수질과 씨름해왔다. 오늘날 이는 규모가 커져 생물 다양성과 여러 인간 공동체에 대한 실존적 위협은 물론 경제 발전과 인간 삶의 지속 가능성을 위협하고 있다.

 

독성 수역의 경제적, 인적 비용 증가

 

인도가 성장하고 도시화됨에 따라 수역이 유독해지고 있다. 인도 지표수의 약 70%가 소비에 적합하지 않은 것으로 추정된다. 매일 거의 4천만 리터의 폐수가 강과 다른 수역으로 유입된다. 최근 세계은행 보고서에 따르면, 이러한 상류 오염 방출은 하류 지역의 경제 성장을 낮추고 이 지역의 GDP 성장을 최대 1/3까지 감소시킨다고 한다. 설상가상으로, 수질 오염이 더 큰 문제인 인도와 같은 중간 소득 국가에서는 그 영향이 GDP 성장률의 거의 절반에 해당하는 손실로 증가한다. 또 다른 연구는 인도에서 오염된 지역의 하류가 농업 수입의 9% 감소와 하류의 농업 수확량의 16% 감소와 관련이 있다고 추정한다.

 

인도의 환경 파괴 비용은 연간 3조 7,500억 루피 (800억 달러)로 추정된다. 수질 오염과 관련된 건강 비용은 약 INR 4,700억 ~ 6,100억 (연간 $ 6.7 ~ 87억)으로 추정되며, 대부분은 5세 미만 아동의 설사 사망률 및 기타 인구 이환율과 관련이 있다. 경제적 비용과는 별도로, 물 부족 및 위생은 인도에서 연간 40만 명의 생명을 잃는 결과를 초래한다. 전 세계적으로 5세 미만 어린이 150만 명은 물 관련 질병으로 인해 매년 병을 앓고 있다.

 

 

고해상도 모니터링을 위한 기술 사용

 

하천을 정화하기 위한 효과적인 개입을 설정하기 위해, 의사 결정자는 분해된 방식으로 높은 빈도로 수집된 신뢰할 수 있는 데이터를 제공해야 한다. 수질 모니터링에 대한 전통적인 접근 방식은 느리고 지루하며 비용이 많이 들고 인적 오류가 발생하기 쉽다. 인프라 및 리소스 부족으로 인해 제한된 수의 샘플만 테스트 할 수 있다. 데이터는 종종 이를 지원하는 메타 데이터가 거의 없는 표 형식으로만 제공된다. 따라서 데이터 품질과 무결성이 낮다.

 

UChicago의 Tata Center for Development 팀의 연구원들은 자동, 위치 정보 태그가 지정되고 타임스탬프가 있는 실시간 센서를 사용하여 데이터를 고정되지 않은 방식으로 수집하여 강의 오염 핫스팟을 찾아내고 오염 확산을 식별할 수 있었다. 이러한 공간 및 시간에 따른 강 수질의 고해상도 매핑은 규제 준수 의사 결정을 지원하는 도구, 생태 파괴에 대한 조기 경고 지표 및 위생 개입의 효과를 평가할 수 있는 시스템으로 주목받고 있다. 오픈 액세스 디지털 플랫폼을 통해, 데이터를 쉽게 이해하고 사용할 수 있도록 데이터 시각화를 생성함으로써 모든 이해 관계자들 사이에서 신뢰를 구축했다.

 

기계 학습이 인사이트를 생성하는 방법

 

쉬운 형식으로 데이터를 수집하고 표현하는 것 외에도 이러한 고해상도 데이터에 기계 학습 모델을 사용하여 수질을 예측할 수 있다. 생화학적 산소 요구량 (BOD)과 같이 물의 유기물 함량을 추정하는 특정 중요 매개 변수에 사용할 수 있는 실시간 센서가 없으며 실험실에서 이러한 결과를 얻는 데 최대 5일이 걸릴 수 있다. 이러한 매개 변수는 값을 즉시 사용할 수 있는 다른 사용자로부터 실시간으로 대강 예측할 수 있다. 완전히 개발되고 검증되면, 이러한 기계 학습 모델은 시간과 공간에서 중간값의 값을 예측할 수 있다.

 

또한, 강우 패턴, 지역 온도, 인근 산업 및 농지 세부 정보와 같은 다른 데이터 레이어를 추가하면 데이터 세트의 통계 분석이 풍부해질 수 있다. Pritzker 분자 공학 대학의 Supratik Guha 교수가 부르는 새로운 가상의 지리 픽셀은 각 GPS (위성 위치 확인 시스템) 위치에 대한 정보의 수직 레이어를 가지고 있다. 동시에 그들은 해당 위치의 수질과 변화하는 추세에 대한 전체적인 그림을 제공할 수 있다.

 

 

기술 및 공공 정책

 

넓은 의미에서 기계 학습은 추정 및 예측 문제로 정책 입안자를 도울 수 있다. 전통적으로 수질 오염 측정은 항상 샘플 수집 및 실험실 테스트를 통한 추정이었다. 우리의 기술을 통해 우리는 그러한 추정의 범위와 빈도를 엄청나게 늘리고 있다. 기계 학습 모델을 사용하여 수질 오염 데이터 시나리오를 완전히 바꿀 예측 모델을 구축하려고 한다. 또한, 확장된 추정 및 예측 머신러닝 도구는 새로운 데이터와 방법을 제공할 뿐만 아니라 새로운 질문과 정책 문제에 집중할 수 있게 한다. 거시적 수준에서 우리는, 이 프로젝트를 넘어 인도의 공공 정책에 기계 학습 문화를 도입하는 것을 목표로 한다.

 

데이터 공개 및 공공 정책

 

정보에 대한 접근은 기후 변화 운동이 시작된 이래 환경 논쟁의 중요한 부분이었다. ‘정보가 참여의 효과를 증가시킨다’는 개념은 경제학 및 기타 사회 과학 문헌에서 널리 받아들여져 왔다. 신뢰할 수 있는 데이터의 가용성은 효율적인 규제를 위한 가장 중요한 단계지만, 프로세스를 투명하게 만들고 데이터를 대중에게 공개하면 많은 추가 이점이 있다. 이러한 공개는 환경 성과에 대한 산업 간의 경쟁을 야기한다. 또한, 일반 대중, 투자자 및 동종 산업 플랜트뿐만 아니라 시민 사회 단체로부터 대중의 압력을 받고 더 나은 행동을 향한 오염원을 조장할 수 있다.

 

원본 기사 출처 : https://www.weforum.org/agenda/2019/10/water-pollution-in-india-data-tech-solution/